Syllabus
Kurz částečně vychází z knížky Natural Language Processing with Python (viz http://www.nltk.org/book/), která je pozvolným, souběžným úvodem do Pythonu i Natural Language Toolkit, určeným pro humanitně zaměřené studenty. Psát programy v jazyce Python (viz https://www.python.org/) lze mnoha různými způsoby, my budeme primárně používat prostředí Jupyter (viz https://try.jupyter.org/), které umožňuje bezprostřední interakci a je tak přívětivé k začátečníkům. Navíc běží v prohlížeči, takže odpadají starosti s instalací. Zkušenějším kolegyním a kolegům ovšem nebude nijak bráněno v tom, aby používali prostředí jiné, jsou-li na ně zvyklí. Hlavní okruhy (zde pro přehlednost tematicky sdružené, ale pořadí v rámci semestru se částečně liší, abychom vyvážili přísun nových informací s praktickým procvičováním):
1. ochutnávka, abychom věděli, k jakému cíli směřujeme · jak vypadají složitější programy v Pythonu · čeho lze s jejich pomocí dosáhnout
2. úvod do programovacího jazyka Python · interaktivní programování jako konverzace s počítačem o objektech v jeho paměti · různé typy kolekcí: textové řetězce, seznamy, slovníky, množiny, n-tice · řídicí struktury: for-cyklus, podmínky · tvorba vlastních funkcí (funkce = uložený postup, recept, který lze kdykoliv spustit)
3. základy kvantitativní analýzy jazykových dat · abstraktní druh jazykové jednotky (typ) vs. její konkrétní výskyt v textu (token) · frekvence a disperze jevů jako základní kvantifikační postupy · práce s předpřipravenými jazykovými daty v NLTK · vizualizace (wordcloud, dispersion plot)
4. zpracování surových textových dat · formát "čistého textu", tzv. plain text · kódování, zejm. Unicode a UTF-8 · regulární výrazy
5. algoritmizace, aneb jak poskládat jednoduché dílčí úkony, které nám Python dává k dispozici, tak, aby dohromady tvořily postup, který řeší nějaký netriviální úkol
6. práce s větším množstvím dat · správa korpusů pomocí NLTK · orientace ve strukturovaných plaintextových datech: zpracování korpusu ve formátu tzv. vertikály
7. využití lingvistické anotace při analýze jazykových dat · lemmatizace, morfologické a syntaktické značkování
8. pokročilejší Python
Annotation
Introduction to programming in Python for linguists, part I. The course is taught mainly in Czech and therefore requires sufficient proficiency in order to attend.